En un estudio reciente, el equipo de investigación de OpenAI presentó MLE-bench, un nuevo conjunto de evaluación para evaluar el rendimiento de los agentes de IA en ingeniería de aprendizaje automático. Este estudio se centra específicamente en 75 competiciones de ingeniería de aprendizaje automático de Kaggle, con el objetivo de probar las diversas habilidades necesarias para los agentes en el mundo real, incluyendo el entrenamiento de modelos, la preparación de conjuntos de datos y la ejecución de experimentos. Para una mejor evaluación, el equipo de investigación utilizó datos de la clasificación pública de Kaggle para establecer una base para cada